基于路径连接强度的有向网络链路预测方法

• 作者: 赵学磊 季新生 刘树新 李英乐 李海涛
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 复杂网络 链路预测 有向路径 连接强度
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 数据库&大数据&数据科学|Database & Big Data & Data Science
• 页码范围: 216-222
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.11896/jsjkx.210100107

摘要

链路预测旨在利用可获得的网络拓扑信息预测未知的连接关系.基于路径联系的预测方法在无向网络中取得了较好的效果.然而,在有向网络下,相同长度的路径因路径中连边方向不同会造成节点连接强度不同,传统预测方法难以区分路径异构造成的差异.鉴于此,首先以边权矩阵量化各类有向边连接强度的差异,进而为节点间不同异构的多类路径计算其连接强度,然后区分同一长度路径下各类路径的作用大小,最后综合多阶不同长度路径贡献,提出了一种基于路径连接强度的有向网络链路预测方法.在9个真实网络数据集上进行了实验,结果表明,考虑路径连接强度差异有效提高了在AUC及Precision衡量标准下的预测性能.